Ubuntu下PyTorch与CUDA的兼容性
在Ubuntu上，PyTorch与CUDA可以良好协同，但前提是两者的版本匹配、驱动正确安装，并且PyTorch使用的是带CUDA支持的构建。实际使用中常见“版本不一致”的情况：例如系统里安装了CUDA 12.3（由nvcc显示），而PyTorch是与CUDA 12.1编译的构建（由torch.version.cuda显示），这通常也能运行，因为PyTorch会随包携带对应的CUDA运行时；真正需要关注的是驱动能否支持该CUDA运行时，以及安装命令是否选对了CUDA变体。
快速自检
- 查看PyTorch与CUDA信息
python -c “import torch; print(‘torch:’, torch.version, ‘cuda:’, torch.version.cuda); print(‘cuda available:’, torch.cuda.is_available())”
- 查看系统CUDA编译器版本
nvcc --version
- 查看驱动与GPU信息（右上角显示Supported/Runtime CUDA）
nvidia-smi
说明：nvcc与nvidia-smi显示的CUDA版本可能不同，这是正常现象；关键是PyTorch构建的CUDA版本与驱动能力匹配，且torch.cuda.is_available()返回True。
安装与匹配建议
- 使用conda安装（推荐，依赖更可控）
conda create -n torch_env python=3.10
conda activate torch_env
conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch
说明：这里安装的cudatoolkit由conda管理，通常与所选PyTorch构建匹配，无需单独安装完整的CUDA Toolkit。
- 使用pip安装（需明确CUDA变体）
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121
说明：将cu121替换为与你需求匹配的CUDA版本标签（如cu118、cu121等）。
- 驱动先行
确保已安装与所选CUDA运行时兼容的NVIDIA驱动；可用nvidia-smi确认驱动版本与GPU状态，必要时先升级驱动再安装PyTorch。
常见不兼容场景与处理
- 安装了CPU版PyTorch
现象：torch.version.cuda为None或torch.cuda.is_available()为False。
处理：卸载后重装带CUDA的构建（pip加–extra-index-url或conda指定cudatoolkit）。
- 驱动过旧或缺失
现象：nvidia-smi报错或无法识别GPU。
处理：安装/升级驱动（如ubuntu-drivers autoinstall或指定版本），再验证nvidia-smi与torch.cuda.is_available()。
- 版本“看似不一致”
现象：nvcc为12.3，torch.version.cuda为12.1，仍能运行。
处理：一般可正常使用；若出现兼容性问题，优先对齐PyTorch的CUDA标签与驱动能力，或重装对应构建。
